在证明PageRank算法时(n取+∞时Pn是否存在以及Pn值是否与初始值P0是否相关),需要用到马尔可夫链,随机矩阵、不可约矩阵,周期性矩阵等概念,下面加以mark。
1.马尔可夫链概念
1.1马尔科夫性质概念
如果x[n+1]对于过去状态的条件概率分布仅仅是x[n]的一个函数,这里x是过程中的某个状态,这个恒等式被看做马尔可夫性质:
1.2马尔可夫链概念
时间和状态都是离散的马尔可夫过程称为马尔可夫链,记作。马尔可夫链是随机变量的一个数列
。变量所有可能取值的集合,称为“状态空间”,而x[n]的值是在时间n的状态。
Markov Chain,马尔可夫链是满足马尔科夫性质的随机过程。数学中,Markov Chain是具有Markov性质的离散时间随机过程。此过程中,已知当前信息时,在当前之前的信息对预测当前以后的信息是无关的。即如果有Markov Chain={y1, y2, y3},先后时间信息为:y1--->y2--->y3,已知y2时,无法由y1预测出来y3。
马尔可夫链,是满足下面两个假设的一种随机过程:
1.,即t+1时刻的状态只和t时刻的状态有关